本文研究金融新闻信号随时间老化后的组合配置问题,比较保留信号并向强化学习策略提供时效信息,与新闻超过八周后直接过滤两种处理方式。基于固定大语言模型从美国证券交易委员会定期披露中提取正面、中性或负面信号,并在2023—2025年十只美股的周频回测中评估。结果显示,强化学习能够响应新闻年龄变化,但加入时效信息并未稳定提升历史净收益;大语言模型组合策略在四周新闻延迟下过滤旧信号表现最佳,年化净收益达到18.43%,高于使用新闻的强化学习策略。
报告标题为《When News Gets Old: Portfolio Allocation with Reinforcement Learning and Large Language Models》,主题是新闻信号随时间老化后,如何影响强化学习(RL)和大语言模型(LLM)的投资组合配置决策。 报告列出的作者为 Cornell University 的 Bolin Song 和 United Nations 的 Surui Xiang,但原文未明确给出正式发布日期、工作论文编号或发表机构名称;研究数据覆盖 2023—2025 年,价格数据则延伸至 2026 年 1 月初。,
报告研究的核心问题并不是“新闻是否有用”,而是“旧新闻应该如何处理”。作者比较两种方案:第一,保留旧信号,同时将新闻发布时间和到达时间提供给投资组合策略;第二,当新闻超过八周后直接过滤,使其信号归零。, 研究同时考察两类决策者:一类是基于 Double DQN 的强化学习策略,另一类是直接由 LLM 从市场数据、持仓和新闻信号中选择投资组合。
总体结论是:RL 能够对新闻年龄变化作出行为上的反应,但这种反应没有稳定转化为更高的历史净收益;对直接投资组合决策的 LLM 而言,简单过滤旧新闻比让模型自行理解新闻时效性更有效。, 在四周新闻传递延迟下,LLM 过滤八周以上旧新闻后的平均年化净收益为 18.43%,高于保留新闻但不提供时序信息的 16.02%,也高于提供新闻年龄信息的 17.17%。 不过,18.43% 并未超过不使用新闻的 RL“Market Data”策略的 19.07%,因此报告支持的是“过滤优于保留旧新闻”,而不是“LLM 新闻策略整体优于市场数据策略”。
固定的 LLM 逐份读取 SEC 定期披露,并将公司经营表现或业务前景编码为正面、负面或中性信号,分别对应 (+1)、(-1) 和 (0)。 每份报告还需要提供一段原文短引文作为证据;如果输出格式错误、缺乏合规证据,或者没有可用报告,也会形成零信号。 因而,零信号并不必然代表公司基本面中性,也可能代表没有报告、报告尚未出现或抽取失败。
报告区分两个时间概念。新闻年龄是报告自发布以来经过的周数,到达后时间则是报告已经对投资策略可见的时间长度。 例如,报告发布四周前但今天才送达时,新闻年龄为四周,而到达后时间为零。 这种区分很重要,因为同一条信息可能在市场中已经存在很久,也可能刚刚被策略获得;前者涉及信息本身的新旧,后者涉及投资者的反应窗口。
作者设置三种新闻处理方式:
八周阈值是研究预先固定的过滤规则,而不是在测试数据中动态优化得到的参数。 这使得实验更接近一个简单、可实施的投资规则,但也意味着研究结论主要针对“八周”这一特定阈值,不能直接推断三周、十二周或其他阈值一定有相同效果。
策略每周从预先定义的目标投资组合中选择一个组合,或者选择 HOLD 维持现有持仓。 历史股票实验共有 57 个动作,包括等权组合、对单一资产配置 40% 的组合、对两项资产各配置 30% 的组合以及 HOLD。 所有组合均为多头、满仓组合,因此模型不能通过持有现金或做空来规避市场风险。
交易成本按买入和卖出金额分别收取,每美元交易额的基准费用为 10 个基点,即 0.1%。 决策在本周最后收盘价信息基础上作出,交易在下一周第一个开盘价执行,因此实际成交权重可能与决策时的目标权重不同。 HOLD 不产生新的交易费用,但持仓会随价格变化而自然漂移。
奖励函数以交易成本后的财富变化为基础,并通过折扣因子和尺度参数调整学习目标。 这种设计使策略不仅追求方向判断,还要考虑换仓代价;一条正确但过时的新闻,如果促使模型频繁交易,也可能因为费用而降低最终净收益。
研究对象为十只美国股票:AAPL、AXP、BA、CAT、CSCO、CVX、HD、JNJ、KO 和 VZ。 股票并非按照测试期收益表现筛选,而是依据 2019 年公开披露的样本和预先声明的行业分组规则确定,之后没有因为后续收益或新闻覆盖率而替换。 这种做法减少了根据结果选股造成的幸存者偏差,但十只股票的样本规模仍然较小,行业集中度也可能限制结论对整个美国股票市场的外推性。
研究使用 277 段 SEC 摘录,每段约 800—1,000 字,其中 2023—2025 年测试期包含 119 份报告。 报告发布前的历史文本会持续保留,直到出现新的可见报告。 交易测试分别设置零周、一周和四周新闻传递延迟;所有方法使用相同的价格、信号、执行时点和交易成本规则。
RL 在每个年度折叠中重新训练,每种方法使用十个随机种子,每个年度折叠因此形成 120 个训练策略;最终采用固定训练预算下的检查点,并在测试时贪婪地选择预测价值最高的动作。 训练使用 52 周窗口及此前 26 周特征历史,并混合零周、一周和四周延迟。 这种多种延迟混合训练有助于避免策略只适应单一延迟场景,但也可能使模型对某一特定测试延迟的专门适配能力下降。
LLM 抽取器和主要直接决策模型使用 gpt-4.1-mini 的指定版本;四周延迟场景还额外测试 Llama 3.3 和 GPT-6 Astra。 LLM 决策者收到匿名资产编号、市场特征、当前权重和相应新闻字段,不知道公司名称、日期和原始报告文本。, 这种设置将测试重点放在结构化信号和时间字段本身,而不是模型对公司名称、行业声誉或原文语义的额外判断。
图 1 展示了完整的信息处理链条:SEC 新闻文本先进入 LLM 抽取器,生成新闻信号;时间戳单独用于计算新闻年龄;市场数据和已知持仓与这些信号共同输入 RL 策略或直接 LLM;两类模型分别生成投资组合,最后在统一的历史价格和交易成本框架下进行回测。 图中最重要的设计是 RL 和直接 LLM 并非共享持仓账户,而是分别维护自己的持仓,但二者使用相同的回测规则。
该图支持作者的实验公平性主张:新闻抽取环节被固定,比较重点放在“如何使用信号”,而不是不同模型读取了不同文本。 但它也表明研究存在两阶段误差:第一阶段可能错误地抽取信号,第二阶段可能错误地将信号转化为交易动作;最终收益无法简单归因于某一个阶段。
表 I 的作用是明确不同策略实际看到的信息。Market Data 只使用市场特征、持仓和投资组合状态;News 加入不含时间信息的信号;News + Age 进一步加入新闻年龄和到达后时间;Filtered News 则保留新闻字段形式,但将超过八周的信号归零且不提供数值年龄。,
表 I 隐含的关键控制变量是:过滤策略并没有把股票从候选池删除,只是删除旧信号,因此过滤后的策略仍可以依据动量、波动率和持仓信息投资该股票。 这一区分避免了把“过滤新闻”和“剔除股票”混为一谈,也使结果更准确地反映信号清理的效果。
表 II 汇总了各策略的年化净收益、夏普比率、最大回撤、年化交易量和费用,并将不同年度的指标等权平均。 年化净收益是在扣除交易成本后计算的,夏普比率使用零无风险利率,最大回撤表示从历史峰值到之后低点的最大跌幅,交易量是买卖金额相对于组合价值的年化总和。
表 II 中最清晰的比较发生在四周传递延迟下。LLM 的 News、News + Age 和 Filtered News 分别达到 16.02%、17.17% 和 18.43%,说明向 LLM 提供年龄数字的确比完全不提供年龄更好,但仍不如直接过滤旧信号。 RL 的 News、News + Age 和 Filtered News 分别为 17.81%、18.02% 和 18.03%,三者之间差距很小。 由于题面没有完整呈现表 II 的每一行每一年度数值,不能据此虚构各策略的完整夏普比率、回撤和交易量排名;但正文明确表明,收益比较已经包含交易费用,且同一回测规则适用于所有策略。
图 2 的横轴是人为增加的新闻年龄,纵轴是投资组合动作发生变化的比例。News + Age 曲线从零周的 0% 上升到一周约 6%、四周约 26%、八周约 41%,十二周达到 52%;Filtered News 则在一周约 10%、四周约 15%、八周和十二周约 26% 后趋于平稳;News-only 基准始终为 0%。
该图直接证明,RL 确实使用了时间输入:在市场特征、持仓和原始信号完全不变时,只增加新闻年龄,带有 Age 的 RL 在十二周情景下平均有 52% 的动作发生变化。 Filtered News 的变化主要发生在信号跨过八周阈值并被归零时,一旦没有更多信号可被过滤,决策变化便停止。 然而,动作改变只是“敏感性”指标,不等于方向正确或收益提高;作者特别指出,图 2 不能证明 RL 会系统性地降低旧新闻的影响。
附录进一步显示,News + Age 在不同训练策略之间的十二周动作变化率为 25.6%—74.4%,Filtered News 为 7.7%—41.0%,说明图中平均值隐藏了明显的训练不稳定性。 而且,部分策略随着新闻变旧反而增加与正面信号一致的配置,另一些策略则降低这种配置,方向并不一致。
图 3 比较的是四周传递延迟下,RL 的 News + Age 和 Filtered News 相对于 News 基准的年化净收益差异。图中“Providing news age”的点估计约为 +0.21%,“Filtering old news”的点估计约为 +0.22%,两者的 95% 时间区块区间都跨越零。
这意味着点估计虽然为正,但统计不确定性足以覆盖无改善甚至负改善的情况,因此不能据此断言任何一种处理方式稳定提高 RL 收益。 正文也指出,四周延迟下 News 的 17.81% 仅升至 News + Age 的 18.02%,Filtered News 为 18.03%,两种提升均没有得到显著支持。
表 III 对图 3 的平均差异进行了配对区块重采样。每次重采样抽取每年连续八周的圆形时间区块,并在同一周样本上比较不同方法;共使用 10,000 次重复。 该设计保留了方法之间的周度配对关系,比独立抽样更适合比较策略差异,但它忽略了年度边界之间可能存在的依赖关系。
表 V 给出年度层面的配对差异。在 36 个主要的年度 timing/filter 比较中,没有任何一个八周区块的 95% 区间排除零;使用四周区块时结论相同,使用 13 周区块时只有 2025 年零延迟下的 mini filtering 比较排除零,而且这些区间未进行多重比较调整。, 这说明个别年度可能出现显著结果,但整体证据并不足以支持稳定的普遍规律。
表 IV 专门分析直接 LLM 的 News + Age 相对于 News 的收益差异。九个对应的配对区间全部包含零,且 timing 的效果随模型和年度变化。 因而,LLM 过滤策略在平均收益上的优势,并不能被简化为“所有模型都能从年龄字段中获益”。
在四周新闻延迟下,RL News + Age 的年化净收益为 18.02%;当每美元交易费用从 10 个基点提高到 30 个基点、但保持所有组合动作不变时,收益降至 12.32%。 相比之下,Buy and Hold 的收益保持在 17.19%,因为初始配置之后不再交易。
这组结果说明 RL 的表现对换手成本高度敏感。News + Age 的 18.02% 与 Buy and Hold 的 17.19% 之间原本只有约 0.83 个百分点差距,费用上升后则出现明显劣化。 因此,策略在低成本历史回测中的相对优势,未必能在实际交易环境中保持;对于频繁根据新闻和时序输入调整组合的模型,交易成本可能是决定净收益的核心变量。
合成报告测试中,抽取器正确分类 191/200 份文本,准确率为 95.5%,宏平均 F1 为 0.956。 但在真实 SEC 文本中,277 个输出只有 228 个,即 82.3%,同时满足格式和逐字证据要求;48 个被拒绝,另有一次请求失败,这些情况最终都被编码为零信号。 因此,合成数据上的高分类表现不能直接等同于真实金融文本中的语义准确率,尤其是作者明确表示真实文本缺乏人工标签,无法衡量其经济语义是否正确。
附录中的 Boeing 示例展示了完整处理流程。报告引用 Boeing 2023 年第三季度 10-Q 中“截至 2023 年 9 月 30 日的九个月营业亏损较 2022 年同期减少 21.18 亿美元”的表述,并将其判定为正面信号;报告发布日期为 2023 年 10 月 25 日,决策截止日为 2023 年 12 月 29 日,在零延迟设定下新闻年龄和到达后时间均为 9.3100 周。 该示例最终选择 action_id 3,即 Boeing 配置 40%,其他九只股票各配置约 6.67%。 示例说明模型可以将单条经营信号转化为高度集中的目标组合,但它并不能证明这种集中配置在统计上普遍有效。
这篇报告不是针对单一公司的股票研究报告,没有使用 DCF、P/E、EV/EBITDA 或目标价估值,也没有给出买入、持有或卖出评级。, 其核心评价标准是策略层面的年化净收益、夏普比率、最大回撤、交易量和费用,而不是某一股票的内在价值。 因此,文中的 18.43%、19.07% 等数字是历史策略回测结果,不应理解为未来收益预测或公司目标回报率。
第一是样本和外推风险。历史测试仅覆盖十只美国股票和 2023—2025 三个年度,可能受到特定市场环境、股票组成和时间窗口影响。,
第二是新闻语义风险。真实文本的语义准确率没有人工标注验证,零信号还混合了中性、缺失和格式失败三种含义。,
第三是模型训练不稳定风险。不同训练种子在行为变化率和年度 timing 对比上存在较大差异,RL 的四周时序收益差异在每个年度都同时出现正值和负值。 这说明单一训练结果不足以代表策略的稳定能力。
第四是交易成本风险。费用从 10 个基点上升至 30 个基点后,RL News + Age 收益从 18.02% 降至 12.32%。 这是报告中最直接的经济可行性警示。
第五是统计不确定性和多重比较风险。主要收益差异的区间大多包含零,年度比较还属于未调整的探索性区间,不能将少数显著结果解释为确认性证据。,
第六是回测设计与信息时点风险。研究使用调整后的执行开盘价作为总回报代理,并将 SEC acceptance timestamp 作为报告可用时间。 这种处理便于统一计算,但实际投资者可能无法在该时间戳精确获取、解析并执行交易;同时,调整价格和实际可交易价格之间也可能存在差异。
报告最有说服力的地方是将“模型是否改变决策”和“模型是否提高收益”分开。图 2 显示 RL 对年龄字段具有明显行为反应,但图 3 和表 III—V 表明这种反应并未稳定产生收益优势。, 这避免了把模型复杂度或输入敏感性误认为投资有效性。
需要注意的是,作者将过滤阈值固定为八周,并声称股票、提示词、预算和过滤规则在训练前固定,这有助于降低测试期调参风险。 但附录同时说明 2024—2025 年数据此前已经被检查过,这可能造成一定程度的研究者预先了解或选择偏差,尽管文本没有声称因此发生正式的数据泄露。
报告还存在一个容易误读的比较层次。LLM 过滤策略的 18.43% 高于三种“使用新闻的 RL 策略”,但低于 RL Market Data 的 19.07%。 因而不能表述为“过滤旧新闻击败 RL”,更准确的说法是“过滤旧新闻的直接 LLM 策略优于使用新闻的 RL 变体,但不优于所有无新闻基准”。
此外,抽取器只看报告本身,不能使用后续价格、公司声誉或外部信息;这保证了实验的因果隔离,但也使信号只代表文本中的经营方向,而不是经过市场预期、估值和宏观环境调整后的投资观点。 报告自身也明确提醒,文本信号不是经过验证的市场真值,不等同于收益预测。
这项研究的中心发现可以概括为三点。第一,旧新闻确实存在时效性问题;单纯保留所有信号并不一定合理,尤其当信号已经在市场中存在较长时间时。 第二,RL 可以识别并响应新闻年龄,十二周人为老化后,News + Age 平均有 52% 的组合动作发生变化,但这种行为反应没有转化为具有统计稳定性的净收益改善。, 第三,在直接 LLM 投资组合决策中,八周过滤规则在四周新闻延迟下取得 18.43% 的最高平均年化净收益,高于 LLM 保留新闻的 16.02% 和提供年龄信息的 17.17%。
因此,作者总体立场不是主张更复杂的时序建模必然更好,而是认为一个简单、透明、可审计的旧新闻过滤器可能比让模型自行解释新闻年龄更实用。 但这一结论应限定在本研究的十只股票、2023—2025 年样本、八周阈值、特定交易成本和既定投资组合动作空间内;由于统计区间、年度结果和模型训练结果存在较大不确定性,报告更适合被视为关于信号处理设计的实证探索,而不是对未来投资收益的确定性承诺。,
2610.30564.pdf